11840 ورقة بحثية
تقدم هذه الورقة البحثية AlpsBench، وهو معيار مرجعي جديد مستمد من 2,500 حوار واقعي بين البشر والنماذج اللغوية الكبيرة (LLMs) مع ذكريات مهيكلة موثقة، لتقييم وكشف القيود الحرجة في النماذج الحالية فيما يتعلق باستخراج وتحديث واسترجاع واستخدام المعلومات الشخصية عبر دورة حياة الذاكرة الكاملة.
إنَّ LITTA هو إطار عمل للمحاذاة في وقت الاختبار يعزز استرجاع المستندات متعدد الوسائط المرتكز بصرياً من خلال توليد متغيرات متعددة للاستعلام عبر نموذج لغوي كبير وتجميع نتائجها عبر دمج الرتب المتبادل، مما يحسن المتانة والدقة دون الحاجة إلى إعادة تدريب المسترجع.
تضع هذه الورقة نظرية "التباعد المعرفي"، وهو ديناميكية تعزز نفسها حيث يؤدي النمو الأسي لنوافذ سياق الذكاء الاصطناعي والتراجع المتزامن في الانتباه البشري المستدام إلى خلق فجوة قدرات متسعة، مدفوعة بـ "حلقة تغذية راجعة للتفويض" يتم من خلالها تآكل القدرة المعرفية البشرية بشكل أكبر مع زيادة الاعتماد على الذكاء الاصطناعي.
إن SEAR هو نظام قائم على المخططات لبوابات النماذج اللغوية الكبيرة (LLM) يوحد بين التقييم والتوجيه عبر تعريف مخطط علاقي قابل للتوسيع لإشارات الجودة الدقيقة والمقاييس التشغيلية، مستفيداً من الاستدلال المدفوع بالنماذج اللغوية الكبيرة لتوليد بيانات مهيكلة تتيح توجيهاً دقيقاً، وقابلاً للتفسير، وفعالاً من حيث التكلفة لطلبات مقدمي الخدمات المتعددين.
تقدم هذه الورقة أول تدقيق عابر للغات للاستدلال البصري لست لغات هندية، كاشفةً أن نماذج الرؤية واللغة متعددة اللغات تعاني من انخفاض كبير في الدقة وتظهر أداءً متدهوراً في سلسلة الأفكن في السياقات غير الإنجليزية، لا سيما بالنسبة للغات الدراويدية، مما يثبت أن التدريب المسبق متعدد اللغات الحالي يفشل في نقل قدرات الاستدلال البصري عبر الحدود اللغوية والخطية.
تُعد LogicDiff طريقةً خالية من المعلمات وتعمل أثناء وقت الاستدلال، حيث تعزز بشكل كبير قدرات الاستنتاج لنماذج اللغة ذات الانتشار المقنع عبر استبدال عملية كشف الرموز القياسية القائمة على الثقة بجدولة موجهة منطقياً تعطي الأولوية للروابط المنطقية الحرجة، مما يؤدي إلى رفع الدقة في معايير GSM8K وMATH-500 دون الحاجة إلى إعادة تدريب النموذج.
تُفكك هذه الورقة فشل الحساب خارج التوزيع في نماذج GPT الدنيا إلى أربع مراحل متميزة وقابلة للاختبار تجريبياً: حاجز التخطيط، وسوء تفسير دلالات الحمل، وعنق زجاجة إعادة التكوين الشرطي، وأخطاء بقايا العشرات في المراحل المتأخرة.
تقدم الورقة البحثية FormalProofBench، وهو معيار خاص لتقييم قدرة نماذج الذكاء الاصطناعي على توليد براهين رياضية ذات مستوى دراسات عليا ومحققة رسميًا بلغة Lean 4، كاشفةً أن أفضل النماذج أداءً حقق دقة تبلغ 33.5% فقط، مع تقديم تحليل شامل لاستخدام الأدوات، وأنماط الفشل، والكفاءة.
يُعد PHONOS وحدة بث في الوقت الفعلي لإخفاء هوية المتحدث تعمل على تحييد اللهجات غير الأصلية لتجعلها تبدو كأنها لهجة أصلية باستخدام عبارات ذهبية مُعدة مسبقاً لتدريب مترجم لهجات سببي، مما يقلل بشكل كبير من مخاطر تحديد الهوية القائمة على اللهجة مع الحفاظ على زمن انتقال منخفض.
تجادل هذه الورقة بأن الإفراط المميز في استخدام الشرطات الطويلة (em dashes) في النصوص المولدة بواسطة الذكاء الاصطناعي هو نتاج بنيوي لبيانات التدريب المشبعة بتنسيقات "مارك داون" (markdown)، وهو أمر يستمر حتى عندما تُوجه النماذج لتجنب التنسيق، مما يجعله بمثابة توقيع تشخيصي لمنهجيات ضبط دقيق محددة بدلاً من كونه مجرد عيب أسلوبي.